tf.test.is_gpu_available() return false

Question

我的tensonflow版本是2.3.0，Cuda是10.1和10.0。我有不同版本的cudnn为每个cuda 10.1和10.0。我设置了这样的路径：cuda 的路径

当我在CMD中运行代码时，如下所示：

Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)]
Type 'copyright', 'credits' or 'license' for more information
IPython 7.16.1 -- An enhanced Interactive Python. Type '?' for help.
In [1]: import tensorflow as tf
In [2]: tf.test.is_gpu_available()
2021-01-12 20:06:38.461001: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
Out[2]: False

我厌倦了两个版本的cuda。对我来说，它总是假的。这里发生了什么？如何才能让它变成真的？谢谢

Answer 1

在windows Os、Tensorflow GPU设置中，按照以下步骤

将CUDA®、CUPTI和cuDNN安装目录添加到%PATH%环境变量中。例如，如果CUDA®Toolkit安装到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，cuDNN安装到C:\tools\CUDA，请更新%PATH%以匹配：

SET PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1bin;%PATH%
SET PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1extrasCUPTIlib64;%PATH%
SET PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1include;%PATH%
SET PATH=C:toolscudabin;%PATH%

Answer 2

为了让Tensorflow看到我的GPU，我在环境设置方面也遇到了困难。首先，你应该检查这个表：

然后道路分裂：

• 如果你有Anaconda，我建议你创建一个新的环境并重新安装tensorflow gpu。这是一个很好的指南

• 如果你不使用Anaconda，你将不得不通过pip命令安装所有的软件包。查看我之前链接的表，我为您提供了一个示例：

  pip install tensorflow-gpu==2.3.0
  pip install cudnn==7.6.0
  pip install cudatoolkit==10.1
  

安装特定版本的Tensorflow时，请小心匹配正确的Python版本，以及是否确实支持GPU。